一个三甲医院的病案科，标配大概是三四个人。编码员、质控员、首页审核，再加一个管着几十年老病历的大姐。

这个科室在很多医院是隐形的。临床医生嫌他们挑毛病，财务嫌他们报数慢，医保办嫌他们首页填错了连累扣款。

很少有人注意到，就在AI冲进来之前，病案科刚经历了一轮地位的暴涨。

把它推上来的是DRG和DIP。医保按病种打包付费之后，病案首页填得准不准、编码编得对不对，直接决定医院这一单是赚是赔。主诊断选偏了，整个病组掉档，医院白干甚至倒贴。一夜之间，那个没人搭理的填表格科室，变成了能左右全院医保收入的关键岗。

重要性涨了，人却没跟上。编码员是个要慢养的活。懂ICD编码本只是入门，能判断疑难病例、能跟临床掰扯主诊断怎么定，得磨上五六年。全国能干这活的人本来就不够用，需求又一下暴涨。很多医院的现实是，三四个人扛着全院一年十几万份出院病历，想再招，招不到。

也就是说，病案科本来站在一个该增员的路口上。需求逼着要人，市场上没那么多人。

现在AI来了。

健康界9月底那篇《AI将让更多医务人员失业》，里面说国外大型医疗集团上线AI前置审核之后，医保审核、病历初审、合规稽查这类岗位直接精简了40%到60%。原本人工要两三天的审核流程，压到两三个小时自动跑完。

一个做了十几年编码的老病案主任，把这篇文章转给我时只说了一句话：按这个比例，我们科四个人要裁掉两个半？

纽约那12个被裁的护士

纽约的蒙特菲奥里医疗中心，今年7月宣布裁掉12个utilization review岗位的护士。翻成中文，就是医疗审核、病历质控、医保预审。这事不是悄悄干的。

就在几个月前，这批护士刚打完一场创纪录时长的罢工。合同墨迹未干，裁员通知下来了。工会说这违反了刚用罢工换来的合同，要求医院留下持证护士做最终审核，AI只做辅助。抗议、谈判，都没拦住，12个人还是被裁了。

她们原来的活，是查病历、筛费用合规性、判断住院指征、做医保前置审核，这些判断直接决定保险公不公账。干了39年的老护士舒勒说，“我们大多数病例都很复杂，套不进模板。当AI成了决定的唯一依据，病人就会从缝里掉下去。”

这是今年最让病案系统发冷的一个案例。被裁的这类活，正是病案科和医保办每天在干的那类。

但另一边，数据对不上

健康界那篇文章有个隐含前提。AI什么都能审，编码、质控、初筛，全比人快比人准。

可澳大利亚詹姆斯库克大学2025年初发表的一组测试，方向正好相反。

研究者挑了100份有难度的临床病例摘要，故意绕开常规病历，让5名人类编码员和基于ChatGPT的大模型同场竞技。涵盖五大类疾病，不少记录信息缺失、写得含糊。结果，ChatGPT的准确率22%，人类编码员里最好的那个做到47%。牵头这项研究的研究员穆斯塔法说，几乎在所有病例上，人类编码员都压过了工具。

两边分数都不高。因为这100份本来就是挑出来的硬骨头。

测的还只是编码这个单项，写病历、影像初筛都不在其中。编码这个活儿，本来是最像流水线、最该被AI接管的。它有统一的ICD编码本，有规则，有对照表。按理说AI背规则应该最在行。

结果在疑难病例上，AI输给了人。研究者建议的用法也是混合式的，AI跑速度、标记疑难，人类盯着复核。

这两个事摆在一起就很有意思了。一边是医院已经在裁员，一边是测试说AI还没赢。病案科到底该按哪个算账？

拆开看，AI吃掉的和没吃掉的不一样

把病案科一个普通工作日摊开，事情就清楚了。

上午，编码员小李拿到二十几份出院病历。常规的，高血压、糖尿病、胆囊切除。这类首页结构清晰，诊断明确，AI十秒一个，编码结果几乎不用改。这部分活，确实不用人再一个个翻编码本了。

下午，来了几份麻烦的。一个术后并发症，到底算哪个编码。一个肿瘤病人，主诊断是原发还是继发。一份病历写得含糊，临床医生自己都没说清是入院前就有的问题还是住院期间新发的。这类病例，AI给出的编码大概率是错的，或者给出来好几个让你不知道选哪个。

这时候你就明白了。AI吃掉的，是上午那二十份常规病历里的机械劳动。它没吃掉的，是下午那几份麻烦病例里的判断。

国外说的40%到60%精简，减的是机械劳动这一块的人力。但如果一个病案科原本就只有三个人，工作本来就是常规加麻烦混着干，你没法把“常规那部分”单独切出来裁掉。剩下的人还得处理麻烦病例，还得复核AI出的错。

科里的人数没少。活儿却从“编”变成了“审AI编的”。

对个人来说，要求变了。一个只会照着编码本敲数字的编码员，价值在缩水，因为那部分AI干得又快又好。能判断疑难病例、能跟临床沟通、能替科室做医保申诉的人，价值在涨。

病案室从一个填表格的仓库，慢慢变成一个要做判断的地方。AI把低端劳动吸走了，留下来的都是需要脑子的活。

增员的路口，撞上了替代的传闻

把上面两件事放一起看，病案科现在的处境就有点颠簸了。

一边，DRG/DIP逼着医院给这个科室加人、加钱、加地位，编码员培养周期又长，远水解不了近渴。另一边，国外已经在裁，编码测试里AI又还没赢过人。科主任一边写报告要人，一边心里打鼓。现在招进来的人，两年后会不会被AI替掉？到底是咬牙把队伍建起来，还是赌AI两年内到位、干脆不招人，没人敢拍这个板。

对科室里的个人来说，这种颠簸更难受，因为选错方向，比不努力还惨。

效率和责任之间，还隔着一层没说清的东西

AI干得快，干得多，但出了错谁负责？

一个编码编错了，可能导致DRG分组掉档，医院少拿几万块；医保飞检时可能被认定为“低标入院”或“高编高套”，罚款、追回、通报。这些后果，没有一条是算在AI头上的。AI公司的合同里写的是“辅助决策工具”，出了问题，责任在使用方。医院也不会认，因为最终签发的是编码员的名字。

最后兜住责任的，是那个每天复核AI输出的人。人花在“复核AI”上的时间，不比原来自己编码少多少，因为AI出的每一份错，最终要有人签字认。政策没给清晰的边界，出了错往谁身上推，每家医院都在自己摸索。

对病案科的人来说，这意味着一件事。AI帮你干了活，但没帮你卸掉责任。你现在的工作，是“替AI背书”。这活儿比自己编码更累，因为你要为一个不是自己做的判断负责。

怎么跟AI共存？比学几个工具操作要紧的，是搞清楚哪些AI输出可以闭着眼睛签，哪些必须逐字复核，哪些干脆别让AI碰。这条线，现在没人替你划。

对病案科的人来说，真正的问题

短期内，大概率不会被减。疑难病例还得靠人，AI错了还得有人擦屁股。

更要紧的问题是，你每天花在机械劳动上的时间，正在变得不值钱。

纽约那12个被裁的护士里，有39年工龄的老兵，能力上没得挑。她们干的那类活，被AI整体判定为“可以替代”。合同保不住，罢工也保不住。技术迭代不认合同。

国内病案科暂时没到那一步。编码这个环节，AI还没赢过人。

回到那个老病案主任的问题。四个人，AI上岗后会变成几个。

我的判断是，还是四个。而且这四个大概率一个都不会少。因为DRG/DIP压着需求，医院想增人；因为疑难病例得有人判，AI还没赢过人；因为编码错了要有人签字，责任还得人扛。

但两年后，这四个人的处境会拉得很开。只会照本敲数字的那个，会越来越闲，也越来越危险。能处理疑难编码、能跟临床掰扯主诊断、能替科室打医保申诉仗的那一个，会越来越忙，也越来越值钱。

病案科的人数没变。变的是科室内部分层。AI也逼着每个在里面的人，重新想一遍自己到底在干什么。